Nuqs 项目中 ESM 与 CJS 模块兼容性问题解析
问题背景
在 Nuqs 2.0.0 版本发布后,部分开发者在使用 Next.js 应用路由时遇到了一个特殊的 ESLint 错误。当开发者尝试从 'nuqs/adapters/next/app' 导入 NuqsAdapter 时,ESLint 会抛出错误:"Package subpath './adapters/next/app' is not defined by 'exports'"。
问题本质
这个问题的根源在于 Node.js 模块系统的兼容性问题。Nuqs 2.0 版本采用了纯 ESM (ECMAScript Modules) 格式,而项目中的 ESLint 及其插件(特别是 eslint-import-resolver-alias)仍然运行在 CommonJS (CJS) 环境下。
当 ESLint 尝试解析模块路径时,它会检查 package.json 中的 exports 字段。在纯 ESM 包中,通常只定义了 import 和 types 字段,而没有为 require 场景提供兼容性支持。这导致 ESLint 的模块解析器无法正确识别模块路径。
技术细节分析
-
模块解析机制:Node.js 的模块解析器会根据 package.json 中的 exports 字段来验证导入路径的有效性。在 ESM 包中,如果没有为 CJS 环境定义 require 字段,CJS 工具链就无法正确解析模块路径。
-
ESLint 的特殊性:虽然 ESLint 8+ 版本本身支持 ESM,但许多 ESLint 插件(特别是那些依赖 resolver 的插件)仍然以 CJS 形式运行。eslint-import-resolver-alias 就是一个典型的 CJS 包,它已经有6年没有更新了。
-
解决方案对比:
- 临时解决方案:在本地修改 package.json,为 require 字段添加一个指向 ESM 文件的路径
- 更优方案:为 require 字段提供一个空的 CJS 文件作为占位符
最终解决方案
Nuqs 团队最终采用了提供空 CJS 文件的方案,这既解决了 ESLint 的模块解析问题,又避免了将 ESM 代码错误地用于 CJS 环境可能带来的潜在问题。这个方案在 2.0.3 版本中得到了实现。
开发者启示
-
当项目从 CJS 迁移到 ESM 时,需要考虑工具链的兼容性问题,特别是那些长期未更新的工具。
-
在 package.json 的 exports 字段中,合理定义 import 和 require 的映射关系是确保跨模块系统兼容性的关键。
-
对于库开发者来说,提供清晰的迁移指南和已知问题说明可以帮助用户更快地解决问题。
这个问题也反映了 JavaScript 生态系统中模块系统过渡期的典型挑战,理解这些底层机制有助于开发者更好地应对类似问题。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00